一种ECG信号噪声污染程度与类别智能评估方法

摘要

本发明提出一种ECG信号噪声污染程度与类别智能评估方法，包括以下步骤：S1，ECG信号预处理；S2，ECG信号分量特征数理统计计算；S3，ECG信号噪声污染程度判断；S4，低频基线漂移噪声污染程度判断；S5，高频分量噪声污染类别与污染程度判断；S6，ECG信号整体噪声污染程度及类别的综合评估。本发明所述评估方法融合M‑CEEMD信号分解以及SVC网络集群，准确完成ECG信号噪声污染程度评估以及污染类型自动分类。实现对可用ECG信号的筛选，为其选择有针对性的滤波方式提供依据，实现滤波效果提高的同时最大限度的保留原始ECG数据信息，降低了ECG智能诊断假阳性率，同时提高了诊断准确率，具有临床泛化性强，分类准确率高的特点。